Incidence de l'inflation sur la croissance économique au Burundi: une vérification empirique à l'aide d'un modèle à correction d'erreurs ( 1980- 2008 )

III.2. Spécification du modèle et présentation des résultats de l'estimation

III.2.1. Spécification du modèle d'analyse

En corollaire à ce qui est dit au début du chapitre en cours, l'analyse empirique portant sur l'explication de la variable endogène (PIB) par les variables exogènes précitées (IPC, M2, TCER) nous amène à préciser qu'il s'agit ici d'expliquer la croissance économique par des variables explicatives pouvant influencer directement ou indirectement le niveau du PIB.

En effet, la forme mathématique de notre modèle d'analyse sera la suivante :

PIBR (t) = f (IPC _(t), M2 (t), TCER (t), e (t)) où les dites variables dénotent respectivement le PIB réel de la période t, l'indice des prix à la consommation de la période t, la masse monétaire de la période t, le taux de change effectif réel de la période t et le terme d'erreurs.

72

Après transformation, la forme linéaire du modèle est la suivante :

PIBR _(t) =a0 +a1 IPC _(t) +a2 M2 _(t) +a3 TCER _(t) + t

Où :

a0 =terme indépendant ;

a1, a2, a3 = coefficients des variables indépendantes ; t = terme d'erreurs.

III.2.2. Analyse de la stationnarité des séries

Dans l'analyse statistique contemporaine, le traitement d'une série chronologique implique une attention particulière. En effet, l'étude des variables stochastiques de la chronique est une étape préliminaire importante dans la mesure où il faut d'abord s'assurer que ces caractéristiques que sont la variance et l'espérance mathématique de ladite série se trouvent ou non modifiées dans le temps. Cette étude porte le nom d'étude de la stationnarité. Une série chronologique sera dite stationnaire si les variables stochastiques sont invariantes dans le temps. Dans le cas contraire, elle sera dite non stationnaire. Plus précisément, les tests de DICKEY-FULLER augmentés et de PHILLIPS et PERRON sont les plus usuels. Comme le test de PHILLIPS et PERRON améliore sensiblement la pertinence du test de DICKEY-FULLER, seuls ses résultats paraissent ; ceux de l'ADF sont repris en annexes.

Le test de PHILLIPS et PERRON est construit sur une correction non paramétrique des statistiques de DICKEY-FULLER pour prendre en compte des erreurs hétéroscédastiques. Le tableau suivant montre les résultats du test de PHILLIPS et PERRON.

73

Tableau n°1 : Résultats du test de PHILLIPS et PERRON

		Valeurs en niveau			Valeurs en différence première			Décision statistiqe
Séries		PP t-stat	Valeur critique à 5%	Stationnaire Oui ou non	PP t-stat	Valeur critique à 5%	Stationnaire Oui ou non	I(0) ou I(1)
PIBR	Intercept	0.283	-2.970	Non	-5.821	-2.975	Oui	I(1)
	Intercept & trend	-2.263	-3.579	Non	-5.797	-3.587	Oui	I(1)
IPC	Intercept	0.704	-2.970	Non	-3.725	-2.975	Oui	I(1)
	Intercept & trend	-1.763	-3.579	Non	-3.830	-3.587	Oui	I(1)
M2	Intercept	2.915	-2.970	Non	-6.503	-2.975	Oui	I(1)
	Intercept & trend	0.189	-3.579	Non	-8.981	-3.587	Oui	I(1)
TCER	Intercept	-0.931	-2.970	Non	-4.541	-2.975	Oui	I(1)
	Intercept & trend	-2.752	-3.579	Non	-4.382	-3.587	Oui	I(1)

Source : Nous-mêmes sur base des données de la régression

Afin de prendre une décision sur la stationnarité ou la non stationnarité d'une variable, qu'elle le soit en niveau ou en différence première, la théorie économétrique recommande des critères de décision basés sur la comparaison entre les valeurs critiques et les valeurs calculées au seuil de signification fixé.

Pour le cas d'espèce, le seuil de signification est égal à 5%. Aux valeurs

affectées d'un même signe, la série est dite stationnaire si la valeur calculée est inférieure à la valeur tabulée ou valeur critique au seuil fixé ; si les valeurs sont de signes opposés, l'interprétation est rendue plus aisée par le recours aux valeurs absolues.

En effet, la série sera stationnaire si, en valeur absolue, la valeur calculée est supérieure à la valeur tabulée ; elle aussi rapportée en valeur absolue au seuil fixé. En principe, à la lumière des résultats dégagés par le tableau ci-dessus, la prise en compte de l'intercept d'un côté et de l'intercept et trend de l'autre nous révèle que toutes les variables testées en niveau confirment l'hypothèse de la

74

présence de la racine unité et donc non stationnaires en niveau, en appliquant le test de PHILLIPS et PERRON.

En revanche, les valeurs en différence première rejettent l'hypothèse nulle de présence de racine unitaire. Elles sont donc stationnaires en différence première et donc intégrées d'ordre 1. Ceci nous amène à faire le test de cointégration entre les variables mais avant d'accéder à cette étape, il nous convient d'estimer l'équation de notre modèle et en faire ensuite les interprétations économiques éventuelles. Rappelons que, comme nous faisons face à des séries en différence, les interprétations économétriques sont impossibles car les estimateurs sont biaisés.